基于深度残差神经网络预测乳腺癌组织病理学图像中浸润性导管癌的新方法
图像与视频处理
2019-11-12 v2 计算机视觉与模式识别
摘要
浸润性导管癌（IDC），有时也称为浸润性导管癌，是最常见的一种乳腺癌形式。它约占所有乳腺癌的 80%。根据美国癌症协会的数据，美国每年有超过 180,000 名女性被诊断为浸润性乳腺癌。这种癌症的生存率约为 77% 至 93%，具体取决于诊断时的分期。该疾病的侵袭性和发生频率使其成为难以诊断的癌症之一。我们提出的方法涉及使用深度残差卷积网络诊断浸润性导管癌，将受 IDC 影响的组织病理学图像与正常图像进行分类。为此使用的数据集是一个称为 Breast Histopathology Images 的基准数据集。显微 RGB 图像被转换为七通道图像矩阵，然后输入到网络中。所提出的模型在预测组织病理学图像中的 IDC 时达到了 99.29% 的准确率，AUROC 得分为 0.9996。使用标准性能指标测试了模型的分类能力。
引用
@article{arxiv.1908.07362,
title = {A Novel method for IDC Prediction in Breast Cancer Histopathology images using Deep Residual Neural Networks},
author = {Chandra Churh Chatterjee and Gopal Krishna},
journal= {arXiv preprint arXiv:1908.07362},
year = {2019}
}
备注
Accepted at 2nd International Conference on Intelligent Communication and Computational Techniques,2019